COVID-19 Data Analysis

Numero di Riproduzione

Stime di Rt.

Max Pierini, Alessio Pamovio

Leggi qui per dettagli generali

Legenda:

  • $R_t$ numero di riproduzione effettivo
    • Rosso: maggiore di 1
    • Verde: minore di 1

Rt con MCMC

Vedi Modello Predittivo per dettagli sul metodo di calcolo di $R_t$ con Markov chain Monte Carlo (MCMC).

Italia

Abruzzo

Basilicata

Calabria

Campania

Emilia-Romagna

Friuli Venezia Giulia

Lazio

Liguria

Lombardia

Marche

Molise

P.A. Bolzano

P.A. Trento

Piemonte

Puglia

Sardegna

Sicilia

Toscana

Umbria

Valle d'Aosta

Veneto

SOMMARIO

Rt bayesiano

Italia: $R_t$ (numero di riproduzione effettivo nel tempo $t$) stimato con metodo bayesiano (Bettencourt & Ribeiro 2008 e Kevin Systrom 2020).

Dettagli metodo: italian (PDF)


ML High_50 Low_50
denominazione_regione
Abruzzo 1.54 1.81 1.26
Basilicata 0.68 1.09 0.32
Calabria 1.33 1.71 0.95
Campania 1.20 1.34 1.05
Emilia-Romagna 1.34 1.54 1.14
Friuli Venezia Giulia 1.18 1.49 0.87
Lazio 1.19 1.37 1.01
Liguria 1.19 1.42 0.97
Lombardia 1.45 1.58 1.32
Marche 1.30 1.60 1.00
Molise 1.11 1.61 0.55
P.A. Bolzano 1.38 1.69 1.07
P.A. Trento 0.92 1.25 0.57
Piemonte 1.44 1.61 1.27
Puglia 1.24 1.46 1.02
Sardegna 1.26 1.51 1.01
Sicilia 1.36 1.55 1.16
Toscana 1.40 1.57 1.23
Umbria 1.50 1.76 1.25
Valle d'Aosta 1.67 2.10 1.24
Veneto 1.27 1.43 1.10

ML High_50 Low_50
denominazione_regione
Abruzzo 1.642857 1.937143 1.345714
Basilicata 0.814286 1.214286 0.421429
Calabria 1.314286 1.707143 0.911429
Campania 1.310000 1.461429 1.157143
Emilia-Romagna 1.444286 1.651429 1.235714
Friuli Venezia Giulia 1.240000 1.558571 0.924286
Lazio 1.247143 1.428571 1.062857
Liguria 1.252857 1.480000 1.024286
Lombardia 1.608571 1.751429 1.467143
Marche 1.391429 1.701429 1.077143
Molise 1.065714 1.581429 0.507143
P.A. Bolzano 1.507143 1.834286 1.174286
P.A. Trento 1.038571 1.372857 0.688571
Piemonte 1.551429 1.731429 1.370000
Puglia 1.357143 1.581429 1.128571
Sardegna 1.351429 1.610000 1.092857
Sicilia 1.400000 1.607143 1.194286
Toscana 1.581429 1.758571 1.402857
Umbria 1.638571 1.910000 1.365714
Valle d'Aosta 1.821429 2.304286 1.332857
Veneto 1.411429 1.584286 1.235714

Rt come ODDS

Effective reproduction number $R_t$ can be considered as an ODD: if for example $R_t=2$, means like in gambling that the likelihood of contagion is "given 2 to 1", so an infected will infect 2 susceptible subjects.

For the effect of the serial interval $\tau$ (onset of symptoms, diagnosis, etc), new cases $k_t$ observed in day $t$ have been infected in $t-\tau$ by the current new cases observed in $t-\tau$ (because old cases are supposed to be hospitalized, isolated, recovered or dead) so, with this simple method, in $t$ we can calculate the $R_{t-\tau}$.

$$ R_{t-\tau} = \frac{k_{t}}{k_{t-\tau}} $$

Work in progress: distribute serial interval $\tau$ as Gamma and new cases $k_t$ as Poisson.


© 2020 Max Pierini. Thanks to Sandra Mazzoli & Alessio Pamovio

Exported from Italia/stime_Rt.ipynb committed by maxdevblock on Tue Oct 13 18:04:19 2020 revision 59, dee1ac5